# DREAM-D v3 — resultados y límites 2026-09-22. **DREAM-D v3 verde; E4-DREAM-1 cerrada en su perfil experimental WORLD-1 restaurado.** Auditoría completa válida, cero hallazgos, `dream1_green=true`. ECHO-4 completo sigue abierto. [Contrato congelado](ECHO4-DREAM1-D-V3-DESIGN.md). ## Qué cambia y por qué V2 quedó limitada por el catálogo y el presupuesto, no por falta de otra permutación. V3 conserva los seis ensayos existentes y añade dos contrastes corporales de ocho pasos, manteniendo un máximo de 12 pasos por diagnóstico. El adaptador importa calibración, prior, predicción, validación/consumo de recibos, física y gate originales: ninguno de los módulos certificados se modifica. WSP16, CAM y camino basal sin LLM permanecen intactos. La novedad más importante es **seguridad condicionada por observaciones**: una prueba puede ser peligrosa para algunas hipótesis iniciales, pero dejar de serlo tras una intervención corta que las descarte. No se ejecuta por conocer el cuerpo real: debe ser segura para todas las hipótesis restantes. El archivo registra caminos, no una bolsa intercambiable de respuestas. Si falta una rama condicionada, replay devuelve desconocido y no inventa resultados mediante la física o el LLM. Hasta 22 ramas por contexto. El catálogo y los programas iniciales son trabajo de ingeniería del laboratorio. No se atribuyen a Qwen. El modelo recibe puntuaciones históricas de programas sistemáticos y propone prioridades/cuotas; el selector basal elige por evidencia. Copiar o recombinar una buena estrategia observada no equivale a descubrir nuevas leyes ni a entrenar los pesos. ## Desarrollo, separado de confirmación El [cribado del prior](../lab/echo4/dream1-d-v3-screen/report.json) enumera 6.561 secuencias de ocho acciones después del ensayo corto original, en 320 condiciones ya abiertas del segundo ciclo v2. Máximo278 resueltas para ese par; no es una cota de todos los controladores posibles. Se usan las predicciones originales para analizar particiones de hipótesis, **sin fabricar recibos observados**. Coste adicional de calibración: 1.152 pasos. Digest `5a77f83dff56b0fea492b7def0422d0aebb61b5cce55ce4cabe311216af42c0c`. El cribado exploratorio previo también comprobó que repetir acciones puras largas pierde utilidad por las restricciones de seguridad. Después se recogieron físicamente las ramas del catálogo elegido en 1.040 condiciones antiguas: cuatro cuerpos v1 y los 48 cuerpos v2. Ocho programas sistemáticos compiten por peor margen histórico, resolución y coste. El seleccionado es `[2,6,0,1,3,4,5,7]`, presupuesto 12 y cuotas activadas. | Lote abierto | Casos | Selección sin LLM | Fijo | Aleatorio | Adaptativo | Legado v2 | |---|---:|---:|---:|---:|---:|---:| | Cuatro cuerpos v1 | 80 | 76 | 60 | 77 | 80 | 80 | | Primer ciclo v2 | 320 | 292 | 180 | 227 | 225 | 245 | | Segundo ciclo v2 | 320 | 290 | 210 | 232 | 245 | 245 | | Tercer ciclo v2 | 320 | 298 | 200 | 248 | 265 | 240 | Cero atribuciones erróneas/terminalidades y referencias conservadas. Paridad online/replay exacta en los cuatro brazos del nuevo perfil. La selección pierde en el pequeño lote v1: no existe dominancia universal ni se oculta ese contraejemplo. Los tres lotes estratificados apoyan la factibilidad del examen, sin ser evidencia independiente. 290 supera el 278 del par cribado porque el intérprete puede tomar otro ensayo cuando el 6 no resulta seguro. [Desarrollo reproducible](../lab/echo4/dream1-d-v3-development/report.json): digest `b708751b6ba6f2daa4e211bd47dbf297ac516a80eacad0e148314285f7591093`. La colección registra 14.565 ramas y 100.332 pasos, más 3.744 nominales. La selección/historia no es gratis: el examen contabiliza además su propia revalidación física y las nuevas colecciones. ## Examen prospectivo completo Los tres ciclos superan sus márgenes sin errores ni terminalidades. La selección está escrita antes de abrir cada lote; solo después se añade el nuevo historial. El informe declara elegibilidad, no concede cierre por sí solo. | Brazo | Ciclo 1 / 320 | Ciclo 2 / 320 | Ciclo 3 / 320 | Total / 960 | |---|---:|---:|---:|---:| | DREAM | 300 | 298 | 302 | 900 | | Incumbente v3 | 190 | 298 | 302 | 790 | | Fijo | 190 | 230 | 220 | 640 | | Aleatorio | 238 | 246 | 237 | 721 | | Sin Qwen | 300 | 298 | 302 | 900 | | Sin feedback | 300 | 298 | 302 | 900 | | Sin historial en prompt | 230 | 298 | 302 | 830 | | Sin selección replay | 0 | 0 | 0 | 0 | | Adaptativo minimax | 255 | 260 | 240 | 755 | | Legado v2 | 245 | 245 | 240 | 730 | | Margen obligatorio por ciclo | Ciclo 1 | Ciclo 2 | Ciclo 3 | |---|---:|---:|---:| | Al menos +32 frente al fijo | +110 | +68 | +82 | | Al menos +16 frente al aleatorio | +62 | +52 | +65 | Los diez brazos conservan las invariantes, con cero errores y terminalidades. Los nueve del perfil nuevo tienen paridad online/replay exacta. No se rebajan umbrales ni se sustituye un fallo por un agregado favorable. DREAM se abstiene en 60 casos: se conserva esa incertidumbre, no se rellena con diagnósticos. Primera promoción: `[2,6,0,1,3,4,5,7]`, presupuesto 12. En los dos ciclos siguientes se conserva la misma política. Hay una mejora inicial, **no** una sucesión ilimitada de mejoras. El control sin-Qwen y la ablación sin-feedback empatan; no se ha demostrado una contribución exclusiva del LLM ni un beneficio adicional de la revisión con feedback. La ablación sin-historial vacía el prompt, **no** elimina el incumbente ni la selección por replay: puede heredar la política ya validada, como ocurre en el segundo ciclo. En el primer examen, 126 casos terminan con el ensayo corto, 164 utilizan la secuencia 2→6 y otros 30 usan 2→0. Los 164 de la nueva secuencia se resuelven correctamente; 20 de los 30 restantes mantienen la abstención. Es un análisis descriptivo posterior, no un criterio añadido al cierre. ## Costes e identidad - Qwen3-4B-Instruct-2507 Q4_K_M local, 2.497.280.736 bytes, SHA256 `2fde00ce69dd4899c70d020845e2638353015bba0fdf161b3eb965f2bca4464e`. llama.cpp `0.3.0-dev` / `d230ddd`, CPU cuatro hilos, GPU cero, contexto 8192, temperatura cero. Pesos sin modificar; servidor propio cerrado al terminar. - 15 llamadas reales y 60 propuestas válidas, no todas distintas. 23.137 tokens de entrada y 4.704 generados. Peticiones acumuladas: 1.859.458 ms (unos 31 minutos); arranque: 6.026 ms. No son tiempos de un benchmark aislado de CPU ni una medida energética. - DREAM/sin-feedback/sin-historial disponen cada uno de dos llamadas y ocho plazas de candidato por ciclo. DREAM produce 5/6/7 programas distintos; sin-feedback y sin-historial, cuatro; el control sin-Qwen, ocho. El cupo igualado no elimina diferencias de diversidad efectiva. - Historial antes de seleccionar: 1.040→1.360→1.680 contextos; al final, 2.000. Revalidarlo físicamente al empezar cuesta otros 100.332 pasos de colección y 3.744 nominales, además del desarrollo y costes hundidos v1/v2. - Nuevas colecciones: 13.336 ramas y 91.424 pasos. Calibración de los tres lotes: 3.456 pasos, compartida entre brazos y ampliación; no contar dos veces. - Diez brazos online: 87.368 pasos. DREAM: 7.936 frente a 11.520 del fijo, 9.340 del aleatorio y 9.144 del legado v2. Menos pasos online no acredita menor coste total, dados colección, replay e inferencia. - Selección/resúmenes replay: 77.707 consultas y 454.956 pasos representados, cero ejecución física nueva y cero llamadas LLM dentro de esas consultas. 12/14/14 evaluaciones distintas por ciclo, no 40 programas globalmente únicos. Regresiones, reconstrucción final y diagnósticos adicionales añaden cómputo fuera de los contadores de campaña. No se equipara un token a un paso ni se afirman ahorros de energía. El presupuesto fijo compara interacciones online; los costes totales son un vector, no un único presupuesto igualado. ## Reproducción [Informe de campaña](../lab/echo4/dream1-d-v3/report.json), digest `965ce6cbcd759b48a12a9b04080ca5b78e657ab5b9e3869b081b0138ce240f15`. `criteria_passed=true`; el informe conserva `dream1_green=false` por diseño. El [recibo reconstructivo](../lab/echo4/dream1-d-v3/audit-receipt.json), generado en proceso nuevo, concede **`valid=true`, cero hallazgos y `dream1_green=true`**. Las 82 fuentes y las evidencias v1/v2 vinculadas permanecen intactas. Sus resultados rojos no se reetiquetan. Próximo trabajo: E4-MAINTAIN-1, todavía pendiente; no se ha iniciado en esta entrega. ```bash PYTHONPATH=.. python3 -m unittest echoai.tests.test_echo4_dream1_v3 -q PYTHONPATH=.. python3 -m echoai.echo4.dream_v3_bench verify lab/echo4/dream1-d-v3 ``` La verificación reconstruye física, historias, selecciones, decisiones, versiones e informe. Audita los recibos del modelo sin volver a inferir; requiere los archivos locales de modelo/servidor para cotejar su identidad. No añadir `--write-receipt` sobre el recibo existente. Una campaña nueva requiere directorio inexistente, los argumentos explícitos de modelo/servidor y permiso de loopback. Repetir casos ya publicados no crea otro holdout. Los hashes aportan integridad local, no atestación externa de un tercero. ## Límites que permanecen La validación pertenece a WORLD-1 restaurado, con familia causal y física declaradas. No es autorreparación, vida autónoma continua, conciencia subjetiva, aprendizaje de pesos ni mejora general en cualquier tarea. La integración del producto sigue pendiente; el banco basal funciona sin LLM. Un empate frente al selector sin Qwen limitaría la atribución de beneficio exclusivo al modelo. Hardware después, METAVERSE-1 último. No se modifica ni utiliza Discord; no hay publicación web, commit, push ni subida a Hugging Face en este trabajo. ## Verificación de código 926 pruebas distintas: **925 aprobadas y un fallo esperado histórico**, sin errores inesperados. Son 35 nuevas de v3, 50 de DREAM v1/v2, 583 de DREAM-A/SELF-B/CONT-A/NEXUS-0/Q y 258 de CONT-B/C/D, SELF final, WORLD, SENSATION y BOUNDARY. Las pruebas GUI usan loopback autorizado; no ha hecho falta cambiar código por restricciones de sockets. No se afirma que estos grupos sean toda la suite histórica del repositorio. Cuatro corrupciones adicionales de una copia en memoria de evidencia real de desarrollo —catálogo, token, rama huérfana y bytes— son rechazadas sin escribir los archivos originales. La cota v2 se reprodujo también usando sus recibos reales: 16 programas, máximo y unión 245, frente a 246 exigidos. El auditor v2 vuelve a dar válido, cero hallazgos y rojo, sin reinferir. Sintaxis Python comprobada mediante AST y ausencia de espacios finales en los archivos nuevos; no se afirma haber ejecutado Ruff. Las 82 fuentes congeladas de campaña incluyen los módulos basales y navi10 del repo padre.